초록
비교구매는 e-Marketplace의 매출에 큰 영향력을 미치고 있으나 운영 수익은 대부분 광고에 의존한다. 하지만 인터넷 광고의 수익률은 열악한 상태이며, 종량제 기반 광고 방법의 확대로 소비자에게 덜 알려진 판매자의 제품정보 노출 기회는 더욱 줄어들고 있다. 따라서 비교구매 사업자의 광고 수익을 높이면서 판매자 입장에서는 예산 및 제약 조건 범위 내에서 광고 노출의 효율성을 최적화하는 방법 및 시스템에 대한 연구가 필요하다. 본 연구에서는 비교도전을 이용한 비교광고 방법을 제안하고 그 실행 방법으로 판매자의 비교도전 계획 모델을 사용하는 e-Marketplace기반 비교구매 사업자의 비교광고 시스템을 설계하고 구현하였다. 비교도전 계획 모델은 경쟁사(Competitor), 경쟁 제품(product) 그리고 제품의 사양(Specification)에 대한 수준별 도전 정책을 적용하며, 양 사의 제품 사양 속성 값들간의 기능적 거리를 양적 수치화 하여 판매자 제품이 경쟁사 제품에 가장 유사하지만 우세한(Similar but Superior) 쌍들에 대한 비교광고 포트폴리오를 구성함을 목적으로 한다. 비교도전 계획 시스템은 비교가치의 생성과 최적화의 단계로 이뤄진다. 주요 5개 PC제조사의 데스크탑 제품자료를 사용하여 프로토타입을 구축하였으며, 타 비교광고 방법과 대비한 성능 평가를 수행하였다. 또한 e-Marketplace기반 비교구매 사업자의 비교도전에 의한 비교광고 표시 방법을 예시하였다.
Comparison shopping is the most popular functionality in the e-Marketplace. Most of their revenue has been generated kent the Internet advertisement, but the ad earning was declined as the ad costing per action method widespread. Seller less familiar to the customer shrinks from chances for advertising and exposing their products. So, we need an efficient methodology subject to the seller's ad budget and other constraints, and it also has to increase comparison broker's earning in the e-Marketplace. Our research proposed and developed an ad planning methodology using comparison challenge approach which can be applied by 3$^{rd}$ party comparison brokers. Comparison challenge planning is organized with challenge policy of competitor level, product level and specification level. With that policies and basic challenge propositions, we measure the quantified value of functional distance between the specifications of my product and competitor's product. My product challenges the comparison using the comparative ad format to the similar but inferior competitor's product based on quantified valuation. Comparison challenge planning system has two phases of comparative value generation and optimization. We developed a prototype system and applied it to the desktop PC market of five major manufacturers. Our performance was emphasized by comparing to other comparative ad methods such as random display method and minimum distance method..
